paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
TL

Tao Lin

ICLR 2026×4CVPR 2026×2ACL 2026效率与系统强化学习与后训练智能体与工具多模态安全
新星分资深
27
一作贡献0
核心/参与5
方向广度16
合作网络12
0 一作 · 7 篇 · ICLR 2026 / CVPR 2026 / ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

7
作者位次 #2/2ICLR 2026Poster

Any-step Generation via N-th Order Recursive Consistent Velocity Field Estimation

Peng Sun · Tao Lin

作者位次 #3/3CVPR 2026Poster· Computer Vision & Pattern Recognition

Rethinking UMM Visual Generation: Masked Modeling for Efficient Image-Only Pre-training

Peng Sun · Jun Xie · Tao Lin

多模态效率与系统数据与预训练OpenReview 项目页
作者位次 #12/12ACL 2026Poster· Natural Language Processing

Rethinking Expert Trajectory Utilization in LLM Post-training for Mathematical Reasoning

Bowen Ding · Yuhan Chen · Jiayang Lyu · Jiyao Yuan · Qi Zhu · Shuangshuang Tian · Dantong Zhu · Futing Wang · Heyuan Deng · Fei Mi · Lifeng Shang · Tao Lin

摘要

Supervised Fine-Tuning (SFT) and Reinforcement Learning (RL) dominate the post-training landscape for mathematical reasoning, yet differ fundamentally in their reliance on expert trajectories. To understand the optimal way to harness these trajectories for maximizing performance, we propose the P...

强化学习与后训练推理评测与基准OpenReview 项目页

常见合作者